我正在阅读“数据加载的TF性能指南”部分。对于预取，它说，
tf.data API通过以下方式提供了软件流水线机制：tf.data.Dataset.prefetch转换，可用于解耦从消耗数据的时间开始生成数据的时间。在特别是，转换使用后台线程和内部缓冲区，可从输入数据集中提前获取元素他们被要求的时间。预取的元素数量等于（或可能大于）消耗的批次数量只需一个培训步骤。您可以手动调整此值，或将其设置为tf.data.experimental.AUTOTUNE，这将提示tf.data运行时可在运行时动态调整值。
AUTOTUNE在内部做什么？使用哪种算法，启发式？]
另外，在实践中，完成了哪种手动调整？
tf.data建立输入管道的性能模型，并运行优化算法以在所有可调操作中找到其CPU预算的良好分配。当输入管道正在运行时，tf.data会跟踪每个操作所花费的时间，以便可以将这些时间用于优化算法。
OptimizationOptions对象可以控制自动调谐的行为。